典型文献
一种铁路隧道衬砌掉块声音检测方法
文献摘要：
针对传统铁路隧道衬砌掉块检测方法耗时长、成本高的问题,在声信号识别技术的基础上,提出了基于遗传算法优化支持向量机(GA-SVM)模型的铁路隧道衬砌掉块声音检测方法.通过提取铁路隧道内衬砌掉块与其他事件声音的梅尔频率倒谱系数(MFCC)特征系数矩阵,利用遗传算法的寻优能力对支持向量机中影响预测模型精度的两个参数C和σ进行优化,构建铁路隧道衬砌掉块检测模型.实验结果表明,在少量训练样本的基础上,GA-SVM模型对比传统的SVM模型和粒子群算法(PSO)优化的SVM模型,能更够准确地检测出衬砌掉块的大小,检测精度达到了 96.67％,验证了声信号识别技术应用于铁路隧道衬砌掉块检测的可行性.
文献关键词：
铁路隧道;衬砌掉块;声音检测;MFCC;遗传算法;支持向量机
中图分类号：
作者姓名：
陈子正;行鸿彦;王瑞;段儒杰
作者机构：
南京信息工程大学气象灾害预报预警与评估协同创新中心 南京 210044;南京信息工程大学江苏省气象探测与信息处理重点实验室 南京 210044;中国铁道科学研究院集团有限公司电子计算技术研究所 北京 100081
文献出处：
引用格式：
[1]陈子正;行鸿彦;王瑞;段儒杰-.一种铁路隧道衬砌掉块声音检测方法)[J].电子测量与仪器学报,2022(01):134-140
A类：
B类：
铁路隧道衬砌,衬砌掉块,声音检测,声信号,信号识别,遗传算法优化,优化支持向量机,GA,隧道内,内衬,梅尔频率倒谱系数,MFCC,特征系数,系数矩阵,寻优能力,中影,影响预测,预测模型精度,检测模型,训练样本,模型对比,粒子群算法,PSO,检测精度
AB值：
0.205898
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
